使用字典调用pandas的.map()方法时，目标列始终为空

问题背景 #

从GitHub读取的键值对字典结构如下：

{"Absetzung":50,
"Amtsantritt":42,
"Amtseinführung":41,
"Aufenthalt":20,
"Aufnahme":20,
"Aufschwörung":20}

DataFrame包含列名：

column_names = ["factoid_ID",
                "pers_ID",
                "pers_name",
                "alternative_names",
                "event_type",
                "event_after-date",
                "event_before-date",
                "event_start",
                "event_end",
                "event_date",
                "pers_title",
                "pers_function",
                "place_name",
                "inst_name",
                "rel_pers",
                "source_quotations",
                "additional_info",
                "comment",
                "info_dump",
                "source_combined",
                "event_value",
                "source",
                "source_site"]

已成功将文本转为有效字典（可通过键直接取值），但使用df3['event_type'].map(event_value_dict)给event_value列赋值时，该列始终为空。

可能原因 #

• 键值不匹配：event_type列的内容与字典键存在细微差异，比如：
  • 前后存在空格（如" Aufschwörung " vs "Aufschwörung"）
  • 大小写不一致（德语名词通常首字母大写，若列中内容为小写则无法匹配）
  • 特殊字符（如变音符号ü）编码不一致，导致字符表面相同但实际不匹配
• 空值/NaN存在：event_type列包含空值，map()会将空值转为NaN，若大部分值为空则看起来全列空
• 数据类型不匹配：event_type列的数据类型不是字符串（如数值类型），与字典的字符串键无法匹配

解决办法 #

1. 清理event_type列内容 #

先统一列内容格式，消除匹配障碍：

# 去除前后空格
df3['event_type'] = df3['event_type'].str.strip()

# 统一首字母大写（匹配字典键的德语名词格式）
df3['event_type'] = df3['event_type'].str.title()

# 找出不匹配的键，方便排查
unmatched = set(df3['event_type'].dropna()) - set(event_value_dict.keys())
if unmatched:
    print("不匹配的event_type值：", unmatched)

2. 处理空值 #

先检查空值数量，再决定处理方式：

# 查看空值数量
print("event_type空值数量：", df3['event_type'].isna().sum())

# 填充空值（可选，根据业务需求调整）
df3['event_type'] = df3['event_type'].fillna('Unknown')
# 若需要给未知值赋值，在字典中添加对应键
event_value_dict['Unknown'] = 0

3. 确保数据类型一致 #

检查并转换event_type为字符串类型：

# 查看当前数据类型
print("event_type数据类型：", df3['event_type'].dtype)

# 转换为字符串
df3['event_type'] = df3['event_type'].astype(str)

4. 替换map()为apply()调试 #

使用get()方法明确查看匹配失败的情况：

df3['event_value'] = df3['event_type'].apply(lambda x: event_value_dict.get(x, '未匹配'))
# 查看未匹配的行
print(df3[df3['event_value'] == '未匹配'])

完成上述步骤后，再执行map()或直接用apply()赋值即可正常匹配。

内容的提问来源于stack exchange，提问作者OnceUponATime